深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
1061	2024-12-18	DBNet-SI: Dual branch network of shift window attention and inception structure for skin lesion segmentation 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108090 PMID:38320341	研究论文	本文提出了一种结合移位窗口注意力和inception结构的双分支网络DBNet-SI，用于皮肤病变分割	创新点包括提出双分支模块MSI，结合移位窗口注意力和inception结构，以及设计了跨分支双向交互模块和渐进特征增强与信息补偿模块PFEIC	NA	提高皮肤病变分割的准确性	皮肤病变	计算机视觉	NA	卷积神经网络	U型网络	图像	使用了ISIC2017和ISIC2018数据集
1062	2024-12-18	A review of traditional Chinese medicine diagnosis using machine learning: Inspection, auscultation-olfaction, inquiry, and palpation 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108074 PMID:38330826	综述	本文综述了基于机器学习的中药诊断研究现状，涵盖了望、闻、问、切四种诊断方法及其综合应用	本文总结了机器学习在中药诊断中的应用，并探讨了未来的研究方向	本文主要为综述性文章，未提出具体的创新方法或模型	回顾和总结机器学习在中药诊断中的研究现状，并探讨其挑战和未来研究方向	中药诊断中的望、闻、问、切四种方法及其综合应用	机器学习	NA	机器学习	NA	NA	NA
1063	2024-12-18	GLFNet: Global-local fusion network for the segmentation in ultrasound images 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108103 PMID:38335822	研究论文	本文提出了一种名为GLFNet的混合网络结构，用于超声图像分割，通过结合全局语义信息和局部细节来提高分割性能	GLFNet通过引入Global-Local Fusion Blocks（GLFBlocks），将全局和局部特征融合，解决了传统CNN和Vision Transformers的局限性	NA	提高超声图像分割的准确性	超声图像中的病变区域	计算机视觉	NA	深度学习	混合网络（CNN和Vision Transformers的结合）	图像	DDTI数据集、BUSI数据集和BUID数据集
1064	2024-12-18	Enhancing drug-food interaction prediction with precision representations through multilevel self-supervised learning 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108104 PMID:38335821	研究论文	本文提出了一种通过多层次自监督学习来增强药物-食物相互作用预测的精确特征表示方法	本文创新性地通过扰动相互作用模块、特征对齐和领域分离模块以及推理反馈模块，实现了对食物特征的更精确表征，并首次将数据增强、特征对齐、领域分离和对比学习结合在一起	NA	提高药物-食物相互作用预测的准确性	药物-食物相互作用	机器学习	NA	自监督学习	NA	特征数据	多个数据集
1065	2024-12-18	Artificial intelligence to predict T4 stage of pancreatic ductal adenocarcinoma using CT imaging 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108125 PMID:38340439	研究论文	本研究开发并验证了一种自动化人工智能管道，用于使用增强CT影像预测胰腺导管腺癌的T4阶段	首次使用深度学习模型自动分割胰腺导管腺癌，并结合放射组学特征构建预测模型	研究样本量相对较小，且仅在两家机构进行，可能存在一定的偏倚	开发和验证一种自动化人工智能管道，用于准确预测胰腺导管腺癌的T4阶段	胰腺导管腺癌的T4阶段	数字病理学	胰腺癌	深度学习	深度学习模型	影像	509名胰腺导管腺癌患者
1066	2024-12-18	Predicting Drug-Protein Interactions through Branch-Chain Mining and multi-dimensional attention network 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108127 PMID:38350397	研究论文	本文提出了一种名为BCMMDA的端到端框架，用于预测药物-蛋白质相互作用，通过分支链挖掘和多维注意力网络来改进预测性能	本文的创新点在于结合了多维注意力机制和卷积神经网络，考虑了多种子结构类型，并能够集中关注关键子结构和元素，从而提高药物-蛋白质相互作用的预测能力	本文的局限性在于仅在四个已知的基准数据集上进行了评估，可能需要进一步验证其在更多数据集上的泛化能力	本文的研究目的是通过计算方法提高药物-蛋白质相互作用的预测精度，从而加速药物发现和再利用的进程	本文的研究对象是药物-蛋白质相互作用及其相关的子结构	机器学习	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	文本	四个已知的基准数据集
1067	2024-12-18	FMB: Dual-view fusion and registration of 2D DSA images and 3D MRA images for neurointerventional-based procedures 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.107987 PMID:38350395	研究论文	本文提出了一种用于神经介入手术的双视图融合和配准方法，结合2D DSA图像和3D MRA图像以提高手术效率	本文引入了基于Factor of Maximum Bounds (FMB)的配准方法，通过放松下界约束和增强上界约束，并利用第二视角挖掘更多局部共识信息，从而生成更准确的姿态估计	NA	提高神经介入手术中多模态图像的配准效率和准确性	2D DSA图像和3D MRA图像的配准	计算机视觉	NA	深度学习	NA	图像	NA
1068	2024-12-18	Towards a diagnostic tool for neurological gait disorders in childhood combining 3D gait kinematics and deep learning 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108095 PMID:38350399	研究论文	本文探讨了将3D步态运动学与深度学习结合用于儿童神经性步态障碍诊断的可行性	首次将深度学习与3D步态分析数据结合，用于儿童步态障碍的诊断，并展示了其在区分健康与病理步态、不同病因的病理步态以及确定中风发病时间方面的潜力	研究仅限于特定的病理类型和样本量，未来需要进一步验证和扩展	探索深度学习与3D步态分析结合用于儿童步态障碍诊断的可行性	371名儿童的步态数据，包括不同病理类型和健康儿童	机器学习	神经肌肉疾病	3D步态分析	ResNet, LSTM, InceptionTime	时间序列数据	371名儿童，共6400个步态周期
1069	2024-12-18	Diagnosis of Alzheimer's disease via optimized lightweight convolution-attention and structural MRI 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108116 PMID:38346370	研究论文	本文提出了一种基于优化轻量级卷积注意力机制和结构磁共振成像的阿尔茨海默病诊断方法	本文创新性地将卷积注意力机制与Transformer分类器结合，并采用轻量级多头自注意力机制、倒置残差块和局部前馈网络，提升了诊断性能并减少了计算资源需求	本研究仅使用了ADNI数据库的数据，未来需要结合更多样化的数据库以提高模型的泛化能力	开发一种高效且准确的阿尔茨海默病诊断方法	阿尔茨海默病及其早期阶段（轻度认知障碍和健康对照）的诊断	计算机视觉	阿尔茨海默病	结构磁共振成像（sMRI）	Transformer	图像	使用了ADNI数据库的数据
1070	2024-12-18	Cross comparison representation learning for semi-supervised segmentation of cellular nuclei in immunofluorescence staining 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108102 PMID:38350398	研究论文	提出了一种用于免疫荧光染色细胞图像数据集的半监督细胞分割算法，利用均值教师半监督学习框架和交叉比较表示学习块来提高特征紧凑性和可分离性	引入交叉比较表示学习块和多池化层注意力密集网络（MPAD-Net），以提高教师-学生模型在高维通道上的比较效果，增强分割精度	NA	开发一种高效的半监督学习算法，用于从免疫荧光染色图像中自动分割细胞核	免疫荧光染色细胞图像数据集和公共CRAG数据集	计算机视觉	NA	深度学习算法	均值教师半监督学习框架，多池化层注意力密集网络（MPAD-Net）	图像	仅使用20%的标记数据进行评估
1071	2024-12-18	NIMEQ-SACNet: A novel self-attention precision medicine model for vision-threatening diabetic retinopathy using image data 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108099 PMID:38364659	研究论文	本研究提出了一种名为NIMEQ-SACNet的新型自注意力精准医疗模型，用于基于图像数据检测和分类威胁视力的糖尿病视网膜病变	本研究的创新点在于结合了增强量子启发二进制灰狼优化器（EQI-BGWO）和自注意力胶囊网络，显著提升了糖尿病视网膜病变的分类准确性	NA	本研究的目的是利用深度学习技术，特别是图像数据，来提高威胁视力的糖尿病视网膜病变的检测和分类准确性	本研究的对象是威胁视力的糖尿病视网膜病变（VTDR）的图像数据	计算机视觉	糖尿病视网膜病变	深度学习	自注意力胶囊网络（SACNet）	图像	NA
1072	2024-12-18	A computational pipeline towards large-scale and multiscale modeling of traumatic axonal injury 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108109 PMID:38364663	研究论文	本文提出了一种计算管道，用于大规模和多尺度建模创伤性轴索损伤	本文的创新点在于建立了一个独特的、基于多模态数据的高效可扩展计算管道，能够从全局到微观尺度系统地研究创伤性轴索损伤的触发机制	本文的局限性在于目前仅基于一个冰球运动员的案例进行研究，未来需要扩展到更多个体和头部冲击情况	研究创伤性轴索损伤的触发机制，并开发深度学习模型用于未来应用	创伤性轴索损伤的建模和计算管道	生物力学建模	脑损伤	NA	深度学习模型	多模态数据	一个男性冰球运动员的案例
1073	2024-12-18	METnet: A novel deep learning model predicting MET dysregulation in non-small-cell lung cancer on computed tomography images 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108136 PMID:38367451	研究论文	本文开发了一种基于深度学习的模型METnet，用于在非小细胞肺癌的CT图像上预测MET失调	提出了一个基于CT图像的非侵入性深度学习模型METnet，用于预测MET失调，并引入了RK-net算法进行自动图像处理和MedSAM模型进行自动组织分割	本文仅在内部测试数据集上验证了模型的性能，未提及外部验证或更大规模的数据集验证	开发一种非侵入性的方法来预测非小细胞肺癌中的MET失调，以指导分子水平的精确诊断和治疗	非小细胞肺癌患者的CT图像和临床数据	计算机视觉	肺癌	深度学习	卷积神经网络	图像	内部测试数据集
1074	2024-12-18	MCPNET: Development of an interpretable deep learning model based on multiple conformations of the compound for predicting developmental toxicity 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108037 PMID:38377716	研究论文	本文开发了一种基于化合物多构象的可解释深度学习模型MCPNET，用于预测发育毒性	提出了基于多构象点网络的深度学习框架MCPNET，通过多构象的静电势分布提取分子特征，提高了模型的准确性和可解释性	需要进一步验证模型在不同数据集上的泛化能力	开发一种可解释的深度学习模型，用于准确预测化合物的发育毒性	基于斑马鱼胚胎的化合物发育毒性数据集	机器学习	NA	深度学习	MCPNET	3D分子表示	包含发育毒性的化合物数据集
1075	2024-12-18	JoCoRank: Joint correlation learning with ranking similarity regularization for imbalanced fetal brain age regression 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108111 PMID:38382384	研究论文	提出了一种名为JoCoRank的联合相关学习算法，结合排序相似性正则化，用于不平衡胎儿脑龄回归任务	JoCoRank算法同时捕捉个体、全局和同伴级别的有价值关系信息，并通过排序相似性正则化校准偏差特征表示	未提及具体的局限性	开发一种新的深度学习算法，用于提高胎儿脑龄估计的准确性和公平性	胎儿脑龄估计	计算机视觉	NA	MRI	深度学习模型	图像	1327张MRI图像，来自157名健康胎儿，胎龄在22至34周之间
1076	2024-12-18	DeepSF-4mC: A deep learning model for predicting DNA cytosine 4mC methylation sites leveraging sequence features 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108166 PMID:38382385	研究论文	提出了一种名为DeepSF-4mC的深度学习模型，用于预测DNA胞嘧啶4mC甲基化位点，利用序列特征提高预测准确性和模型稳定性	引入多种编码技术以提高预测准确性，增加模型稳定性，并减少计算资源需求；利用迁移学习和集成学习技术增强模型性能和鲁棒性	未提及具体局限性	开发一种高效的计算策略来预测DNA胞嘧啶4mC甲基化位点，以克服传统实验室方法的局限性	DNA胞嘧啶4mC甲基化位点	机器学习	NA	深度学习	深度学习模型	序列	未提及具体样本数量
1077	2024-12-18	HVS-Unsup: Unsupervised cervical cell instance segmentation method based on human visual simulation 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108147 PMID:38387385	研究论文	提出了一种基于人类视觉模拟的无监督宫颈细胞实例分割方法HVS-Unsup	利用先验知识生成伪标签，将无监督实例分割转化为监督任务，设计了Nucleus Enhanced Module和Mask-Assisted Segmentation模块解决细胞重叠和粘连问题，提出Category-Wise droploss减少低对比度图像中的细胞遗漏，采用迭代自训练策略纠正错误标注	未提及具体局限性	解决宫颈癌自动诊断中深度学习方法需要大量标注数据的问题	宫颈细胞的实例分割	数字病理学	宫颈癌	NA	NA	图像	使用了MS-cellSeg、Cx22和ISBI2015数据集
1078	2024-12-18	Bias reduction using combined stain normalization and augmentation for AI-based classification of histological images 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108130 PMID:38387381	研究论文	本文研究了通过结合染色归一化和增强方法来减少基于AI的组织学图像分类中的偏差	提出了两种新方法：染色增强（AugmentHE）和快速归一化（HEnorm），并验证了它们在减少偏差和提高模型泛化能力方面的效果	未提及具体的研究局限性	旨在减少AI模型在组织学图像分类中的染色偏差，提高模型的准确性和泛化能力	乳腺癌组织学分级多中心数据集中的组织学图像	数字病理学	乳腺癌	深度学习	分类模型	图像	多中心数据集，具体样本数量未提及
1079	2024-12-18	Multi-level feature extraction and reconstruction for 3D MRI image super-resolution 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108151 PMID:38387383	研究论文	本文提出了一种多层次特征提取与重建方法，用于3D MRI图像的超分辨率重建	设计了三重混合卷积，利用不同滤波操作的优势和独特性，全面提取不同类型的特征，并采用软跨尺度残差操作提高参数优化效果	未提及具体限制	提高MRI图像的空间分辨率，以满足精确诊断的需求	3D MRI图像	计算机视觉	NA	深度学习	卷积神经网络	图像	使用了无病变和胶质瘤数据集进行实验
1080	2024-12-18	A Review of deep learning methods for denoising of medical low-dose CT images 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108112 PMID:38387380	综述	本文综述了基于深度学习的低剂量CT图像去噪方法，分类并总结了不同网络结构的特点和去噪性能	首次全面介绍和回顾了Transformer结构在低剂量CT图像去噪任务中的应用	未涉及实际临床应用中的验证和评估	系统调研低剂量CT图像去噪领域的现状、挑战和未来研究方向	低剂量CT图像去噪方法	计算机视觉	NA	深度学习	CNN, 编码器-解码器, GAN, Transformer	图像	NA